深度学习在生物医药领域的应用
本数据库通过收集和整理最新科研文献信息而得，供了解领域前沿进展之用。数据源自 PubMed Data ，每日自动更新（使用关键词“['deep learning']”过滤），已收录文献数量参见 统计表格。表格内容由 GPT 自动整理，可能存在错误或遗漏，请使用时务必注意核实！
如有建议或合作意向，欢迎联系 linlin.yan(AT)bioinfo.app 或 微信 yanlinlin82。本项目遵循 MIT 许可 发布，欢迎下载 源码 自行修改使用。如觉得不错，还请不吝 给我打赏，你的支持是我继续创新的重要动力！
添加微信请说明来意
微信赞赏
除通过在线浏览外，为方便用户离线查阅，本站也提供 付费下载（定价19.9元）。之所以考虑收费，是因为批量扫描这些文献并整理也是有一定成本的，还请理解并多多支持。本站数据会持续更新，而仅需一次付费，未来就可以随时重新下载到最新版本数据。
当前共找到 12029 篇文献，本页显示第 7101 - 7120 篇。
| 序号 | 推送日期 | 文章 | 类型 | 简述 | 创新点 | 不足 | 研究目的 | 研究对象 | 领域 | 病种 | 技术 | 模型 | 数据类型 | 样本量 | 算法框架 | 模型架构 | 性能指标 | 计算资源 |
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| 7101 | 2024-09-27 |
Explainable artificial intelligence in deep learning-based detection of aortic elongation on chest X-ray images
2024-Sep, European heart journal. Digital health
DOI:10.1093/ehjdh/ztae045
PMID:39318689
|
研究论文 | 本文评估了深度学习模型在胸部X光图像中检测主动脉延长的性能，并使用可解释的人工智能技术来理解模型的决策过程 | 本文结合了可解释的人工智能技术，如梯度加权类激活映射和局部可解释模型无关解释方法，来增强深度学习模型决策的可解释性 | 本文未详细讨论模型的泛化能力和在不同数据集上的表现 | 评估深度学习模型在胸部X光图像中检测主动脉延长的性能，并使用可解释的人工智能技术来理解模型的决策过程 | 胸部X光图像中的主动脉延长 | 计算机视觉 | 心血管疾病 | 深度学习 | DenseNet, EfficientNet | 图像 | 未提供具体样本数量 | NA | NA | NA | NA |
| 7102 | 2024-09-27 |
The potential impact of AI innovations on US occupations
2024-Sep, PNAS nexus
IF:2.2Q1
DOI:10.1093/pnasnexus/pgae320
PMID:39319327
|
研究论文 | 本文探讨了人工智能创新对美国职业任务的潜在影响，并提出了一种基于深度学习的自然语言处理方法来评估这种影响 | 本文利用深度学习技术替代了以往的手动标注或粗粒度匹配方法，提出了AI Impact指标来量化人工智能对职业任务的潜在影响 | 人工智能对劳动力的影响有限，部分受影响的职业是增强而非替代，且受影响的行业正面临劳动力短缺问题 | 评估人工智能创新对美国职业任务的潜在影响 | 职业任务及其与人工智能专利的关系 | 自然语言处理 | NA | 深度学习 | NA | 文本 | 17,879个任务描述和24,758项人工智能专利 | NA | NA | NA | NA |
| 7103 | 2024-09-27 |
Integrating deep learning and regression models for accurate prediction of groundwater fluoride contamination in old city in Bitlis province, Eastern Anatolia Region, Türkiye
2024-Jul, Environmental science and pollution research international
DOI:10.1007/s11356-024-34194-w
PMID:38990257
|
研究论文 | 研究通过整合深度学习和回归模型，预测土耳其比特利斯省老城区地下水氟污染 | 采用多种机器学习和深度学习模型，包括XGBoost和CNN，显著提高了地下水氟污染预测的准确性 | 决策树回归器在预测中表现较差 | 评估地下水可能的地球化学污染分布，并开发一个稳健的预测模型 | 地下水中的氟污染 | 机器学习 | NA | 机器学习技术、回归模型、深度学习模型 | XGBoost、CNN、ANN、DNN、LSTM | 地下水样本数据 | 30个采样点，分别在2019年6月干季和9月雨季进行测量 | NA | NA | NA | NA |
| 7104 | 2024-09-27 |
Computed tomography-based radial endobronchial ultrasound image simulation of peripheral pulmonary lesions using deep learning
2024 Jul-Aug, Endoscopic ultrasound
IF:4.4Q1
DOI:10.1097/eus.0000000000000079
PMID:39318751
|
研究论文 | 本文利用深度学习技术，从术前CT数据中模拟外周肺部病变（PPLs）的径向支气管内超声（R-EBUS）图像，以指导术中R-EBUS探头的操作 | 本文首次提出利用深度学习技术从CT数据中模拟R-EBUS图像，以提供术中操作指导 | 研究样本量有限，且仅限于特定类型的肺部病变 | 开发一种从术前CT数据中模拟R-EBUS图像的方法，以指导术中R-EBUS探头的操作 | 外周肺部病变（PPLs）的R-EBUS图像 | 计算机视觉 | 肺部疾病 | 深度学习 | 循环生成对抗网络 | 图像 | 250名接受R-EBUS引导下经支气管肺活检的患者 | NA | NA | NA | NA |
| 7105 | 2024-09-27 |
Potential of digital chest radiography-based deep learning in screening and diagnosing pneumoconiosis: An observational study
2024-Jun-21, Medicine
IF:1.3Q2
DOI:10.1097/MD.0000000000038478
PMID:38905434
|
研究论文 | 本研究探讨了基于数字胸部X光片的深度学习模型在尘肺筛查和诊断中的应用 | 本研究开发了一种基于深度学习的模型，用于尘肺的筛查和分期，并发现ResNet101模型在分类尘肺方面表现优于放射科医生 | 本研究仅使用了1250张胸部X光片进行训练和测试，样本量相对较小 | 提高尘肺诊断的准确性和一致性 | 尘肺的分类和诊断 | 计算机视觉 | 尘肺 | 深度学习 | ResNet101 | 图像 | 1250张胸部X光片 | NA | NA | NA | NA |
| 7106 | 2024-09-27 |
Delta-Conotoxin Structure Prediction and Analysis through Large-scale Comparative and Deep Learning Modeling Approaches
2024-May-31, bioRxiv : the preprint server for biology
DOI:10.1101/2024.05.30.596722
PMID:38854105
|
研究论文 | 本文通过大规模比较和深度学习建模方法预测和分析了delta-conotoxin的结构 | 利用AlphaFold和RosettaCM两种方法对18种未表征的delta-conotoxin进行了建模和分析 | NA | 预测和分析delta-conotoxin的结构，为药物开发提供见解 | 18种未表征的delta-conotoxin | 生物信息学 | NA | 深度学习 | AlphaFold, RosettaCM | 蛋白质结构 | 18种delta-conotoxin | NA | NA | NA | NA |
| 7107 | 2024-09-27 |
An intelligent quantification system for fetal heart rhythm assessment: A multicenter prospective study
2024-05, Heart rhythm
IF:5.6Q1
DOI:10.1016/j.hrthm.2024.01.024
PMID:38266752
|
研究论文 | 开发了一种用于自动提取胎儿心脏时间间隔（CTIs）的胎儿心律智能量化系统（HR-IQS），并建立了CTIs的正常参考范围 | 首次开发了一种自动计算胎儿心脏时间间隔的技术，并建立了正常参考范围 | 研究仅限于多中心的前瞻性研究，样本量和中心数量有限 | 开发一种自动提取胎儿心脏时间间隔的系统，并建立其正常参考范围 | 胎儿心脏时间间隔（CTIs）和心律评估 | 数字病理学 | NA | 深度学习 | 深度学习模型 | 脉冲波多普勒（PWD）频谱 | 6498个PWD频谱，涉及2630个胎儿 | NA | NA | NA | NA |
| 7108 | 2024-09-27 |
Artificial intelligence-adjudicated spatiotemporal dispersion: A patient-unique fingerprint of persistent atrial fibrillation
2024-05, Heart rhythm
IF:5.6Q1
DOI:10.1016/j.hrthm.2024.01.007
PMID:38215808
|
研究论文 | 本文研究了持续性心房颤动（PsAF）患者中基于时空分散性的消融治疗的个性化方法 | 首次使用人工智能（AI）评估时空分散性的程度和分布，并验证其作为患者独特特征的可行性 | 研究样本量较小，且仅限于持续性和长期持续性心房颤动患者 | 验证人工智能评估的时空分散性（AI-DED）是否为持续性心房颤动患者的独特特征，并独立于常见的临床和手术参数 | 持续性心房颤动患者 | 机器学习 | 心血管疾病 | 机器/深度学习分类器 | NA | 时空分散性图谱 | 78名持续性和长期持续性心房颤动患者 | NA | NA | NA | NA |
| 7109 | 2024-09-27 |
Advanced Machine Learning Models for Predicting Post-Thrombolysis Hemorrhagic Transformation in Acute Ischemic Stroke Patients: A Systematic Review and Meta-Analysis
2024 Jan-Dec, Clinical and applied thrombosis/hemostasis : official journal of the International Academy of Clinical and Applied Thrombosis/Hemostasis
DOI:10.1177/10760296241279800
PMID:39262220
|
meta-analysis | 本文对使用机器学习和深度学习算法预测急性缺血性卒中患者溶栓后出血转化的研究进行了系统综述和荟萃分析 | 本文首次系统综述和荟萃分析了多种机器学习模型在预测急性缺血性卒中患者溶栓后出血转化的应用，特别是XGBoost和人工神经网络模型的高预测性能 | 研究存在方法学差异和外部验证不足的问题，需要标准化报告和进一步严格测试 | 评估机器学习模型在预测急性缺血性卒中患者溶栓后出血转化的有效性 | 急性缺血性卒中接受溶栓治疗的患者 | machine learning | stroke | machine learning, deep learning | XGBoost, Artificial Neural Network (ANN) | clinical data, radiomic features | 18007名急性缺血性卒中接受溶栓治疗的患者 | NA | NA | NA | NA |
| 7110 | 2024-09-27 |
Reasoning cartographic knowledge in deep learning-based map generalization with explainable AI
2024, International journal of geographical information science : IJGIS
IF:4.3Q1
DOI:10.1080/13658816.2024.2369535
PMID:39318700
|
研究论文 | 本文探讨了在基于深度学习的制图综合中融入可解释人工智能（XAI）以提高模型理解和改进的方法 | 本文首次将可解释人工智能（XAI）引入到基于深度学习的制图综合过程中，通过可视化和定量实验解释了预训练的ResU-Net模型对输入特征的重要性 | 本文仅通过一个实验案例研究了XAI在制图综合中的应用，未来需要更多案例和更广泛的数据集来验证其有效性 | 研究如何通过可解释人工智能（XAI）提高基于深度学习的制图综合模型的可解释性和改进效果 | 制图综合中的深度神经网络模型及其可解释性 | 计算机视觉 | NA | 深度学习 | ResU-Net | 图像 | 具体样本数量未在摘要中提及 | NA | NA | NA | NA |
| 7111 | 2024-09-27 |
Proceedings of the 2024 Transplant AI Symposium
2024, Frontiers in transplantation
DOI:10.3389/frtra.2024.1399324
PMID:39319335
|
研究论文 | 本文总结了2024年移植AI研讨会上Ajmera移植中心关于移植AI最新发展的讨论 | 探讨了AI在移植医学中的应用潜力，并强调了开发深度学习模型时需要考虑的数据多样性和透明性 | 未具体讨论具体的AI模型或技术细节 | 总结和讨论AI在移植医学中的应用及其发展 | AI在移植医学中的应用及其对患者护理的影响 | 机器学习 | NA | 深度学习 | NA | NA | NA | NA | NA | NA | NA |
| 7112 | 2024-09-26 |
Cold threat and moisture deficit induced individual tree mortality via 25-year monitoring in seminatural mixed forests, northeastern China
2024-Nov-25, The Science of the total environment
DOI:10.1016/j.scitotenv.2024.176048
PMID:39244065
|
研究论文 | 研究通过25年的监测数据，利用机器学习和深度学习算法预测中国东北部半自然混交林中的个体树木死亡率 | 利用先进的机器学习和深度学习算法，通过筛选相关的气候和环境因素，提高了个体树木死亡率预测的准确性 | 研究仅限于半自然混交针叶林，未涵盖其他类型的森林生态系统 | 验证个体树木死亡率对区域气候的敏感性，并开发高精度的预测模型 | 中国东北部半自然混交针叶林中的个体树木 | 机器学习 | NA | 支持向量机、多层感知器、随机森林 | 随机森林 | 树木生长数据、地形数据、竞争数据、林分结构数据、区域气候数据 | 25年的监测数据 | NA | NA | NA | NA |
| 7113 | 2024-09-26 |
Molecular designing of potential environmentally friendly PFAS based on deep learning and generative models
2024-Nov-25, The Science of the total environment
DOI:10.1016/j.scitotenv.2024.176095
PMID:39245376
|
研究论文 | 本文提出了一种基于深度学习和生成模型的计算工作流程，用于设计环境友好型的全氟烷基和多氟烷基物质（PFAS） | 本文创新性地结合了深度学习和分子生成模型，提出了一种混合深度学习架构MolHGT+，用于预测PFAS的表面张力、生物积累和肝毒性，并通过虚拟筛选和分子生成模型设计出环境友好型PFAS | NA | 本文旨在通过计算方法设计出环境友好型的PFAS，以平衡产品效率和环境健康风险 | 本文的研究对象是全氟烷基和多氟烷基物质（PFAS）及其分子结构 | 环境化学 | NA | 深度学习 | 异构图神经网络（Heterogeneous Graph Neural Network） | 分子数据 | NA | NA | NA | NA | NA |
| 7114 | 2024-09-26 |
Assessing the affective quality of soundscape for individuals: Using third-party assessment combined with an artificial intelligence (TPA-AI) model
2024-Nov-25, The Science of the total environment
DOI:10.1016/j.scitotenv.2024.176083
PMID:39260516
|
研究论文 | 本文提出了一种结合第三方评估和人工智能（TPA-AI）模型来评估声景情感质量的方法 | 本文的创新点在于通过第三方评估结合人工智能模型，解决了数据源自相关问题，并利用声谱图和深度学习方法提高了预测准确性 | 本文的局限性在于样本量相对较小，且仅限于城市声音的情感质量评估 | 研究声学环境与人类福祉之间的关系 | 城市声音的情感质量 | 机器学习 | NA | 深度学习 | TPA-AI | 音频 | 100名志愿者对7051个10秒音频进行标注，180名参与者进行地理生态瞬时评估 | NA | NA | NA | NA |
| 7115 | 2024-09-26 |
Low muscle quality on a procedural computed tomography scan assessed with deep learning as a practical useful predictor of mortality in patients with severe aortic valve stenosis
2024-Oct, Clinical nutrition ESPEN
IF:2.9Q3
DOI:10.1016/j.clnesp.2024.06.013
PMID:38944828
|
研究论文 | 研究使用深度学习算法评估程序性CT扫描中的肌肉质量，以预测严重主动脉瓣狭窄患者的死亡率 | 首次使用深度学习算法自动评估程序性CT扫描中的肌肉质量，并将其作为独立预测TAVI患者死亡率的实用工具 | 研究仅限于接受TAVI手术的严重主动脉瓣狭窄患者，结果可能不适用于其他患者群体 | 探讨使用深度学习算法评估程序性CT扫描中的肌肉质量是否能独立预测TAVI患者的死亡风险 | 接受TAVI手术的严重主动脉瓣狭窄患者 | 计算机视觉 | 心血管疾病 | 深度学习算法 | 深度学习模型 | CT扫描图像 | 1199名患者 | NA | NA | NA | NA |
| 7116 | 2024-09-26 |
Automated estimation of thoracic rotation in chest X-ray radiographs: a deep learning approach for enhanced technical assessment
2024-Oct-01, The British journal of radiology
DOI:10.1093/bjr/tqae149
PMID:39141433
|
研究论文 | 本研究开发了一种基于深度学习的自动估算胸部X光片中胸椎旋转的方法，以提高技术评估的准确性 | 本研究提出了一种新颖的基于深度学习的方法，用于自动估算胸部X光片中的垂直胸椎旋转，并实现了对胸部X光检查技术充分性的定量评估 | NA | 开发一种自动估算胸椎旋转的方法，以评估胸部X光片的技术充分性 | 胸部X光片中的胸椎旋转 | 计算机视觉 | NA | 深度学习 | 分割网络 | 图像 | 800张胸部X光片 | NA | NA | NA | NA |
| 7117 | 2024-09-26 |
Research on low-power driving fatigue monitoring method based on spiking neural network
2024-Oct, Experimental brain research
IF:1.7Q4
DOI:10.1007/s00221-024-06911-x
PMID:39177685
|
研究论文 | 本文提出了一种基于脉冲神经网络的低功耗驾驶疲劳监测方法 | 结合自组织映射网络和脉冲神经网络，开发了一种能够准确识别驾驶员精神状态的低功耗模型 | NA | 解决深度学习模型在驾驶疲劳检测中高计算成本和功耗的问题 | 驾驶员的疲劳状态 | 机器学习 | NA | 自组织映射网络（SOM）和脉冲神经网络（SNN） | 脉冲神经网络（SNN） | 脑电信号（EEG） | NA | NA | NA | NA | NA |
| 7118 | 2024-09-26 |
Prediction of protein structure and AI
2024-Oct, Journal of human genetics
IF:2.6Q2
DOI:10.1038/s10038-023-01215-4
PMID:38177398
|
研究论文 | 本文综述了基于深度学习技术的AlphaFold在蛋白质三维结构建模中的应用，并强调了预测错义突变致病性的挑战 | AlphaFold作为一种基于人工智能的工具，在预测蛋白质三维结构方面具有高精度和多功能性 | 文章指出在预测错义突变致病性方面仍存在挑战 | 探讨AlphaFold在蛋白质结构预测中的应用及其在不同研究领域的扩展 | AlphaFold生成的蛋白质模型及其在疾病严重性预测中的应用 | 机器学习 | NA | 深度学习 | NA | 蛋白质结构模型 | NA | NA | NA | NA | NA |
| 7119 | 2024-09-26 |
Dissecting the infodemic: An in-depth analysis of COVID-19 misinformation detection on X (formerly Twitter) utilizing machine learning and deep learning techniques
2024-Sep-30, Heliyon
IF:3.4Q1
DOI:10.1016/j.heliyon.2024.e37760
PMID:39315207
|
综述 | 本文对过去五年内发表的600篇文章进行了综述，重点分析了87项关于在Twitter上检测COVID-19相关假新闻的研究，探讨了用于识别假新闻传播者的算法技术和方法 | 本文创建了一个大型数据库，整合了17个不同研究工作的训练数据集，以促进假新闻检测的大规模训练数据集的使用 | 提出的模型存在过拟合、梯度消失和高预测时间问题，传播者相关分析领域的工作较少 | 揭示COVID-19相关推文的分化情况以及错误信息的传播方式 | COVID-19相关假新闻的检测和假新闻传播者的行为模式 | 机器学习 | NA | 机器学习和深度学习技术 | 深度神经网络 | 文本 | 600篇文章，其中87项研究，17个不同研究工作的训练数据集 | NA | NA | NA | NA |
| 7120 | 2024-09-26 |
PROFiT-Net: Property-Networking Deep Learning Model for Materials
2024-Sep-25, Journal of the American Chemical Society
IF:14.4Q1
DOI:10.1021/jacs.4c05159
PMID:39264687
|
研究论文 | 本文介绍了一种基于轨道场矩阵（OFM）表示的深度学习模型PROFiT-Net，用于预测材料的物理性质 | PROFiT-Net通过结合元素性质和价电子配置信息，改进了OFM表示，能够有效捕捉晶体中元素性质的相互关系，并在预测介电常数、实验带隙和形成焓方面表现出高精度 | NA | 开发能够准确预测材料性质的人工智能技术 | 材料性质预测 | 机器学习 | NA | 深度学习 | 卷积神经网络 | 晶体结构数据 | NA | NA | NA | NA | NA |